Iluvatar CoreX afirma que Tiangai 300 supera Nvidia H200 em demonstração de GPU em Xangai

Uma GPU funcional e uma alegação de 5% mais vazão

A Iluvatar CoreX demonstrou publicamente seu processador gráfico Tiangai 300 em Xangai, apresentando uma alternativa chinesa ao H200 da Nvidia com uma vantagem alegada de 5% em um teste de inferência realizado por terceiros. Em seu evento aberto à imprensa em 28 de outubro de 2026, a empresa também mostrou um sistema de treinamento com oito GPUs e descreveu um rack com 144 GPUs e 18 CPUs.

A comparação em destaque vem de testes concluídos em julho pelo Shanghai Electric Group, segundo a Iluvatar CoreX. Em uma implantação que separou duas etapas do processamento de modelos de linguagem de grande porte, o Tiangai 300 alcançou uma vazão de ponta a ponta equivalente a 1,05 vez a de um H200, após a conversão dos resultados para um valor por placa.

Vazão significa quanto trabalho útil um sistema conclui em determinado período. Em um chatbot, isso pode significar quantos trechos de texto ele gera a cada segundo. Um resultado de 1,05 vez o desempenho de referência significa 5% mais produção nas condições daquele teste.

A empresa descreveu o Tiangai 300 como a primeira GPU chinesa de uso geral a alcançar o desempenho do H200 em testes medidos. Sua demonstração de outubro ampliou a comparação para modelos de linguagem, geração de imagens e geração de vídeos, enquanto uma demonstração separada de treinamento usou o H100 da Nvidia como referência.

O evento apresentou mais do que especificações de um chip. A Iluvatar CoreX mostrou placas, servidores, um projeto de rack de alta densidade, ferramentas de software e um método para distribuir o trabalho de IA entre diferentes tipos de processadores. A proposta comercial é que esses componentes possam gerar resultados úteis de IA a um custo menor e com menos espera.

O que a comparação com o H200 mede

O teste de julho do Shanghai Electric Group usou a separação entre prefill e decode, muitas vezes abreviada como separação PD. Prefill é a etapa em que um modelo de linguagem lê a solicitação do usuário e o material de apoio. Decode é a etapa em que gera uma resposta, um token por vez. Tokens são as pequenas unidades em que os sistemas de IA dividem o texto.

Separar essas etapas permite que o sistema distribua os recursos de maneira diferente para leitura e escrita. Portanto, o resultado do Tiangai 300 se refere a uma configuração específica de implantação, com o desempenho total expresso como um valor equivalente por placa.

A Iluvatar CoreX não havia publicado o método detalhado do teste, a lista de modelos nem as condições de carga de trabalho por trás do resultado de destaque obtido por terceiros. Esses dados, junto com o cálculo de conversão e as configurações de software, são necessários para uma reprodução independente. A comparação de custos também não conta com uma discriminação publicada, enquanto os valores de memória das placas individuais e do rack completo precisam de esclarecimentos.

As demonstrações identificadas do laboratório de desempenho oferecem um quadro mais detalhado das alegações da empresa. Elas descrevem ganhos diferentes para tarefas diferentes, de um pequeno aumento na geração multimodal a um salto maior na vazão de recomendação. Para quem compra, a comparação relevante é com a tarefa que seu próprio serviço executa.

Documentos longos e respostas iniciais mais rápidas

O desempenho de atenção do Tiangai 300 chegou a 1,05 vez o do H200 com um comprimento de contexto de 64K, segundo o laboratório da empresa. Atenção é o processo que ajuda um modelo a determinar como diferentes partes da entrada se relacionam. Um comprimento de contexto de 64K significa que o modelo está lidando com cerca de 64 mil tokens.

No GLM-5.3, na mesma escala de contexto, a Iluvatar CoreX afirmou ter alcançado uma vazão 1,15 vez maior que a do H200, mantendo uma experiência equivalente para o usuário. Isso representa um aumento de 15% para a carga de trabalho de mistura de especialistas testada. Um modelo de mistura de especialistas direciona o trabalho para redes especializadas selecionadas, em vez de usar todas as redes para cada token.

Em cargas de trabalho de agentes de IA com contextos de 8K a 128K, a empresa relatou uma redução de cerca de 10% a 30% no tempo de espera pelo primeiro token de saída. Essa métrica importa para quem aguarda o início da resposta de um assistente depois que ele lê um documento longo ou processa uma solicitação complexa.

A geração de imagens e vídeos também fez parte da demonstração. A empresa relatou um aumento de cerca de 2% a 5% na vazão de geração multimodal em comparação com o H200. Em cargas de trabalho de busca online, publicidade e recomendação, afirmou ter alcançado uma vazão de inferência de recomendação 21% maior e latência 26% menor em computação leve.

Resultados de treinamento usam outra referência da Nvidia

A demonstração de treinamento usou o Qwen3-32B, um modelo com aproximadamente 32 bilhões de parâmetros, em um servidor com oito GPUs. Parâmetros são os valores numéricos que um modelo ajusta durante o treinamento para aprender padrões. A Iluvatar CoreX disse que a vazão efetiva por placa chegou a 1,33 vez a do H100 da Nvidia.

Assim, a vantagem relatada foi de 33% nessa demonstração de treinamento, tendo o H100 como chip de comparação. Os resultados de inferência apresentados em outros momentos do evento usaram o H200. Manter separados esses produtos de referência é essencial para entender os números.

O sistema de treinamento operou com precisão FP8. O FP8 armazena números usando oito bits, reduzindo a quantidade de dados que precisa ser movimentada e processada em comparação com formatos que usam mais bits. O software de treinamento de IA precisa gerenciar essa precisão reduzida com cuidado para preservar a qualidade do aprendizado.

A Iluvatar CoreX também relatou uma variação de 0,43% no tempo de cada etapa durante operação prolongada em carga máxima, em comparação com 0,76% em um sistema de referência baseado na arquitetura Hopper. O tempo de cada etapa é o tempo necessário para concluir uma unidade de trabalho repetida. Uma temporização mais consistente pode ajudar os operadores a estimar quanto trabalho um sistema ocupado concluirá.

Do lançamento em julho à demonstração em outubro

O Tiangai 300 foi apresentado oficialmente na Conferência Mundial de Inteligência Artificial em julho de 2026. Ele usa a arquitetura Tianshu, da empresa, incorpora uma nova geração de Tensor Cores e tem especificação de 144 GB de memória gráfica.

O processador oferece suporte a operações escalares, vetoriais e tensoriais. Em termos simples, elas lidam com números individuais, grupos de números e matrizes matemáticas maiores. Os formatos numéricos compatíveis incluem FP4, FP8, FP16 e BF16, dando aos desenvolvedores de software diferentes opções de velocidade, uso de memória e precisão numérica.

Os marcos públicos descritos pela empresa abrangem vários meses:

• Julho de 2026: o Tiangai 300 foi lançado na Conferência Mundial de Inteligência Artificial.
• Julho de 2026: o Shanghai Electric Group concluiu o teste de terceiros citado na comparação de vazão com o H200.
• Antes do evento para a imprensa em outubro: o projeto do rack IXL144 foi apresentado na Feira Internacional da Indústria da China.
• 28 de outubro de 2026: a Iluvatar CoreX abriu à imprensa demonstrações ao vivo do hardware Tiangai 300 em Xangai.

O evento de outubro levou a apresentação do produto das explicações sobre arquitetura para sistemas executando cargas de trabalho identificadas. A gama de implantações descrita pela empresa agora vai de placas aceleradoras individuais a servidores com oito placas e ao sistema maior IXL144.

Um rack projetado para 144 GPUs

O IXL144 reúne 144 GPUs e 18 CPUs em um rack padrão, com aproximadamente 10,1 TB de memória agregada de GPU, segundo a Iluvatar CoreX. A empresa o descreveu como o supernó de GPUs mais denso do setor instalado em um único rack. Um supernó conecta muitos processadores de perto para que possam trabalhar juntos em tarefas de grande escala.

A especificação declarada de 144 GB por Tiangai 300 e o total informado de 10,1 TB para o rack exigem uma discriminação mais clara da configuração. Multiplicar 144 placas por 144 GB resulta em 20.736 GB, antes de considerar diferenças na forma de contabilizar a capacidade. A descrição do rack precisa especificar a configuração das placas e a capacidade de memória disponível para as cargas de trabalho.

A Iluvatar CoreX estima que o sistema pode reduzir em cerca de 40% o custo por milhão de tokens efetivos em comparação com sistemas internacionais convencionais. Tokens efetivos são aqueles contabilizados como trabalho útil. Para operadores que vendem serviços de IA, essa métrica relaciona o gasto com hardware à quantidade de resultados utilizáveis produzidos.

Uma redução de 40% significaria um custo de 60 unidades para um trabalho que custa 100 unidades no sistema de referência. A economia prática dependerá do preço dos equipamentos, do consumo de energia, do software, da carga de trabalho e de quão constantemente as GPUs permanecem ocupadas.

A empresa também descreveu uma meta para seu mecanismo de interconexão ponto a ponto da próxima geração: reduzir de 3 a 5 microssegundos para 1 microssegundo uma transferência única dentro do domínio conectado. Uma comunicação mais rápida ajuda quando diferentes GPUs armazenam partes distintas de um modelo e precisam trocar dados repetidamente.

Distribuição do trabalho de IA entre diferentes chips

A abordagem de implantação heterogênea da Iluvatar CoreX atribui diferentes partes da inferência a diferentes tipos de processadores. No esquema de separação AFD, o Tiangai 300 executa toda a etapa de prefill e os cálculos de atenção durante o decode. Um XPU de um parceiro executa as redes de especialistas feed-forward.

XPU é um termo amplo para outro tipo de acelerador de computação. A ideia é atribuir a cada processador o trabalho que ele executa melhor, enquanto um escalonador comum coordena a tarefa inteira. As redes feed-forward realizam outra parte importante do processamento matemático dentro de um modelo de linguagem.

A empresa relatou uma redução de 60% na latência de inferência durante o decode com escalonamento unificado. Essa é uma configuração de sistema diferente da vantagem de 5% em vazão sobre o H200 citada em destaque e usa uma métrica de desempenho distinta.

Shan Tianyi, responsável por IA e computação acelerada na empresa, disse que os sistemas de computação de IA do futuro dependerão da organização eficiente de diferentes chips, em vez de se basearem em um único tipo de processador para todas as tarefas. A demonstração AFD concretiza essa estratégia em uma configuração de GPUs e aceleradores de parceiros.

Alegações sobre software têm como foco o tempo de implantação

A Iluvatar CoreX também apresentou uma pilha de software de IA para IA, destinada a automatizar partes da implantação e da otimização. A empresa disse que uma tarefa de configuração do ambiente caiu de uma hora para 10 minutos, enquanto o número de operações manuais passou de dezenas para uma.

Em uma tarefa de otimização de um modelo de grande porte, a empresa relatou ter reduzido o ciclo de trabalho de sete dias para menos de duas horas, com desempenho próximo ao dobro do nível anterior. Esses exemplos dizem respeito ao trabalho de engenharia necessário para executar modelos com eficiência no hardware.

A empresa também afirmou ter uma integração profunda com o FlyDSL, uma linguagem usada para desenvolver rotinas de computação em GPU. Segundo ela, a velocidade de compilação aumentou mais de 90%. A empresa também descreveu um fluxo de trabalho que antes exigia 10 pessoas trabalhando durante um dia e que passou a ser concluído por uma pessoa em poucas horas.

O suporte de software é importante porque um processador precisa de mais do que hardware capaz de realizar cálculos. Modelos, bibliotecas matemáticas e ferramentas de implantação precisam funcionar em conjunto. As demonstrações de software abordam o esforço de engenharia de que os clientes podem precisar antes de transformar uma nova GPU em um serviço funcional.

TY1200 amplia a proposta para robôs

O evento em Xangai também apresentou o Tongyang TY1200, um processador separado voltado a PCs com IA e à inteligência incorporada, inclusive em robôs que percebem e atuam no mundo físico. Sua capacidade de computação densa declarada é de 300 TOPS, ou 300 trilhões de operações por segundo. A computação densa contabiliza o trabalho sem depender de cálculos pulados que envolvem valores zero.

A Iluvatar CoreX afirmou que o TY1200 alcançou 1,2 vez o desempenho do Thor T5000 da Nvidia em testes envolvendo Qwen3.8-27B e Qwen3.6-35B-A3B. Para os modelos Cosmos-R2-2B e Cosmos-R2-8B em cenários de IA física, relatou desempenho equivalente a 158% e 180% do valor de referência do Thor T5000, respectivamente.

A empresa também disse que o TY1200 pode executar simulações físicas aceleradas por GPU usando o MuJoCo-Warp. Isso permite que um sistema de desenvolvimento de robôs simule movimentos, treine uma política de controle e avalie ações localmente. Uma política de controle é o conjunto de instruções aprendidas que um robô usa para decidir como se mover.

Entre as aplicações mencionadas estão robôs que auxiliam pessoas em consultas médicas, visão industrial e orientação de visitantes. Um sucessor planejado, o TY2000, tem capacidade de computação declarada de 600T. Juntos, esses produtos ampliam a estratégia da empresa, que passa de grandes servidores de IA a equipamentos que operam perto de usuários e máquinas.

Principais pontos

• A Iluvatar CoreX demonstrou o hardware Tiangai 300 em Xangai em 28 de outubro de 2026.
• A empresa citou testes do Shanghai Electric Group para afirmar uma vazão por placa equivalente a 1,05 vez o desempenho do H200 da Nvidia.
• Uma demonstração de treinamento do Qwen3-32B com oito GPUs teria alcançado uma vazão por placa equivalente a 1,33 vez a do H100, com precisão FP8.
• O método detalhado por trás do principal benchmark de terceiros não foi publicado.
• O rack IXL144 contém 144 GPUs e 18 CPUs, com uma redução alegada de 40% no custo por milhão de tokens efetivos.
• Uma implantação separada que distribui o trabalho entre GPUs e XPUs teria reduzido a latência de decode em 60%.
• O evento também abordou automação de software e aplicações do TY1200 em IA local e simulação robótica.